上科大近期科研速递@生医工与信息科技领域
程冰冰组聚焦超声开放血脑屏障技术新进展
钱学骏组探索多模态数据在乳腺癌风险分层中的优势
寇煦丰、祝智峰组实现基于自旋拓扑器件的人工神经网络
傅旻帆组在电磁兼容领域两项新成果
郑杰组与合作者系统评估人工智能方法发现抗癌药物靶点的能力
王浩宇组提出新一代数据中心极速主板电源的小信号模型
聚焦超声开放血脑屏障技术新进展
生医工学院程冰冰团队在IEEE Transactions on Biomedical Engineering上发表研究，利用多实例学习等深度学习方法实现了聚焦超声开放血脑屏障效果的快速准确评估，有利于加速聚焦超声开放血脑屏障技术的临床转化。
血脑屏障在保护大脑的同时，也严重阻碍了脑部的药物递送。经颅聚焦超声联合超声造影剂微/纳泡可实现无创、靶向和可逆的血脑屏障开放，是一种具有广阔前景的脑部药物递送技术。但当前评估聚焦超声靶向开放血脑屏障效果的方法缺乏快速性和简便性，且价格昂贵。本研究提出了一种基于Transformer的深度学习预测模型，结合聚焦超声调控血脑屏障通透性过程中的声学反馈信号，实现了对于血脑屏障开放效果的快速准确评估，准确率高达96.7%。
图 基于Transformer的聚焦超声开放血脑屏障预测模型示意
详细新闻：https://www.shanghaitech.edu.cn/2024/1210/c1006a1104513/page.htm
探索多模态数据在乳腺癌风险分层中的优势
12月4日，生医工学院钱学骏团队在Nature Biomedical Engineering在线发表研究论文，实现了多层级乳腺癌风险预测，其预测能力超越了资深放射科医生，为更广泛的乳腺癌筛查和诊断提供了新的技术途径。鉴于该重要突破，Nature Biomedical Engineering杂志在同期发表了研究评述（Research Briefing）文章中，总结和点评了该研究的发现和意义。
在这项工作中，研究团队开发了一款专门面向乳腺癌风险分层的多模态人工智能系统BMU-Net模型（图）。通过与资深放射科医生在158例钼靶检查和146例超声检查中的诊断结果进行对比，发现BMU-Net在肿瘤良恶性分类方面与专家水平相当，在组织病理学分级诊断方面超越了人类专家的表现。
结合临床指标、钼靶与超声检查的黄金“组合拳”，是公认最经济有效和可行的乳腺癌筛查与诊断选择，也是现行临床的实际检查流程。本研究构建的BMU-Net模型，为临床医生提供了多层级的乳腺癌风险评估工具，旨在改善患者生存质量，具有重要的临床和社会意义。
详细新闻：https://www.shanghaitech.edu.cn/2024/1210/c1006a1104511/page.htm
实现基于自旋拓扑器件的人工神经网络
信息学院后摩尔中心（PMICC）寇煦丰、祝智峰团队，利用分子束外延技术设计制备了基于2英寸磁性拓扑异质结Bi2Te3/CrTe2薄膜，实现了能同时具备类脑突触和神经元功能的自旋轨道矩器件阵列（spin-orbit torque device array），并集成了批量归一化算法和可训练激活函数，相关研究在线发表于ACS Nano。
在前期工作中，研究人员基于Bi2Te3/CrTe2薄膜实现了低功耗的自旋轨道矩（SOT）驱动的磁化翻转。在此基础上，团队通过自旋轨道矩对磁畴的精确调控，实现了霍尔电阻的多阻态现象，展现出高线性度和高对称性的长时程增强/抑制（LTP/LTD）过程，实现了类脑突触器件的功能。研究还进一步提出了一种串联连接的电压感知人工神经网络（ANN）架构。研究成果为基于拓扑绝缘体材料的神经网络应用提供了一种集成化、软硬件协同优化的新型解决方案。
图 基于Bi2Te3/CrTe2的类脑突触（SOT-S）和神经元（SOT-N）器件
详细新闻：https://www.shanghaitech.edu.cn/2024/1207/c1006a1104467/page.htm
电磁兼容领域两项新成果
信息学院智慧电气科学中心（CiPES）傅旻帆团队在无线充电电磁兼容领域取得研究进展，2项成果在IEEE Transactions on Power Electronics上发表。
感应式电能传输（IPT）会对周边物体产生辐射型电磁干扰（EMI）。从辐射EMI的角度出发，IPT系统是一类全新研究对象，傅旻帆团队致力于研究耦合器所致的辐射型EMI，探索其产生机理，并提出了两种抑制方法。
1、感应式无线充电系统中高频辐射电磁干扰的评估与抑制：研究设计了低辐射逆变用以抑制辐射场强，深入评估了电容、电感及耦合器的宽频特征对线圈辐射的影响，最终获取辐射型EMI的主导性因素。基于辐射机理，该研究对DE类逆变器进行了优化，以实现对宽频范围内EMI的抑制。优化后的Class DE逆变器在超过30MHz的频段内对线圈电流和场强实现了最大约20dB的衰减效果。
2、基于E类逆变器扩频技术的EMI抑制方法：基于电磁干扰（EMI）机理的分析，研究在E类逆变器中引入了扩频技术，进一步削弱了耦合器的辐射EMI问题。通过多目标优化设计，开发的IPT系统在0.95 MHz至1.05 MHz的频率调制范围内实现了零电压开关，同时保持了87%的效率。相比传统1 MHz固定频率的E类逆变设计，该方法实现了13dB的EMI抑制效果，大幅提升了电磁兼容性能。
图 基于扩频技术的EMI抑制方法
详细新闻：https://www.shanghaitech.edu.cn/2024/1128/c1006a1103903/page.htm
系统评估AI方法发现抗癌药物靶点的能力
信息学院郑杰团队与合作者在《自然·通讯》（Nature Communications）发表研究论文，通过设计多个场景系统比较了12种最新的机器学习方法在合成致死（SL）抗癌药物靶点预测中的表现，为科学家提供了详尽的指南，帮助他们选择最适合的SL预测工具，从而推动精准抗癌药物的研发。SL现象发现已超过一个世纪，但其实际应用仍面临挑战。近年来越来越多研究应用机器学习技术来预测SL基因对，但它们在不同情境下的性能缺乏系统性评估，给实际应用选择合适的人工智能工具带来困扰。
为填补这一空白，合作团队系统评估了12种最新的机器学习方法，涵盖了从传统机器学习到深度学习的多种算法。他们发现，数据质量的提升，比如负样本的优化，对所有方法的表现均有显著提升。其中，SLMGAE算法表现总体最佳。但当在面对更复杂的实际应用时这些方法均存在一定的局限性。特别是在“冷启动”测试中——即当模型在从未见过的新数据集上进行测试时，所有方法的表现均有所下降。这些基准测试的结果不仅为科学家提供了选择SL预测方法的实用指南，还揭示了当前机器学习方法在实际应用中的瓶颈和不足，为未来研究开发更加精准、可靠的SL基因对预测工具提供了宝贵的参考。
图 基准研究的数据集构建以及场景设计
详细新闻：https://www.shanghaitech.edu.cn/2024/1125/c1006a1103601/page.htm
新一代数据中心极速主板电源的小信号模型
为应对数据中心对电源的苛刻需求，如低电压(<1V)、大电流(>1000A)、快瞬态(>1000A/μs) ，信息学院智慧电气科学中心（CiPES）王浩宇团队此前提出电流模式恒导通时间（COT）控制多相串联电容跨电感式稳压器，显著提升电源系统的降压比与动态响应性能。但对于这样一个高度耦合且非线性的复杂系统，传统方法难以精确构建其小信号模型。而小信号模型是评估和优化系统性能、确保其稳定性和可靠性的重要工具。
针对上述难点，王浩宇团队近日提出了针对多相电流模式COT串联电容式TLVR系统的小信号模型。研究利用相与相之间的差模信号相互抵消，建立了串联电容式TLVR结构的共模解耦模型，实现了在较低计算量下的高精度小信号建模。相应的仿真与实验结果表明该模型在高频条件下依然保持了良好的准确性。
图 所提出的小信号模型以及实验测试环境
详细新闻：https://www.shanghaitech.edu.cn/2024/1111/c1006a1102463/page.htm
请关注微信公众号
上科大科技发展
